摘要：
仓储层：待优化 基接口：约束 子接口：实现基接口。进一步约束子仓储中特殊的方法。 *基仓储：具体实现，子类继承接口的方法。 这步最难，最重要！ ①db不能直接点出具体的Model，只能db.CreateObjectSet<T>().AddObject(entity);将实体“附加”到上下文。 ②wh 阅读全文
摘要：
我的项目需求是：在.net4.5中用mvc5实现上传xml文件，后台实时导入数据库时传到前台进度，进度条实现动态在走。 网上看了很多实现此需求的方法（服务器轮训向客户端发送消息）ajax、webscoket、singal等。 之前的代码是前段用定时器ajax去访问后台的进度数据。然后给进度条赋值。发 阅读全文
摘要：
这篇文章主要说登录，这里抛开IdentityServer4的各种模式，这里只说登录 我们要分别实现 4中登录方式来说明， IdentityServer4本地登陆 、 Windows账户登录（本地的电脑用户）、微信登录、其他IdentityServer4认证的用户，为此我做了一个登录页面 如下图： 1 阅读全文
摘要：
一、MinIO的基本概念 二、Windows安装与简单使用MinIO 三、Linux部署MinIO分布式集群 四、C#简单操作MinIO Healper类 using Minio; using Minio.DataModel; using Minio.Exceptions; using System 阅读全文
摘要：
title: 11-FP-growth算法 date: 2021-01-18 10:58:30 permalink: /pages/e1a7c0/ 🚡 使用 FP-growth 算法来高效发现频繁项集 在上一章我们已经介绍了用 Apriori算法发现频繁项集与关联规则。 本章将继续关注发现频繁项集 阅读全文
摘要：
title: 10-使用Apriori算法进行关联分析 date: 2021-01-18 10:58:30 permalink: /pages/8c2d6b/ 🚂 使用 Apriori 算法进行关联分析 1. 关联分析 从大规模数据集中寻找数据间的隐含关系被称作关联分析 association a 阅读全文
摘要：
title: 9-K-均值算法 date: 2021-01-18 10:58:30 permalink: /pages/9f8e1a/ 🥧 K-均值算法 K-Means 从本节开始进入无监督机器学习方法。在监督学习中，我们的问题是：对于输入变量预测出 Y。而在无监督学习中，目标变量并不事先存在，我 阅读全文
摘要：
title: 8-树回归 date: 2021-01-18 10:58:30 permalink: /pages/f2a177/ 🌴 树回归 上一章介绍的线性回归方法创建模型需要拟合所有的样本点（局部加权线性回归除外）。当数据拥有众多特征并且特征之间关系十分复杂的时候，构建全局模型显然十分困难。而 阅读全文
摘要：
title: 7-线性回归 date: 2021-01-18 10:58:30 permalink: /pages/491782/ 🌐 线性回归 🚀 从本节开始介绍回归方法，回归和前面章节介绍的分类方法同属于监督学习方法。 我们前边提到的分类的目标变量是标称型数据，而回归则是对连续型的数据做出处 阅读全文
摘要：
title: 6-集成方法 date: 2021-01-18 10:58:30 permalink: /pages/26d211/ 🚖 集成方法 ensemble method 集成方法: ensemble method /（元算法: meta algorithm）： 概念: 对不同的分类算法进行 阅读全文
摘要：
title: 5-支持向量机 date: 2021-01-18 10:58:30 permalink: /pages/55e64d/ 🍧 支持向量机 SVM 本章首先讲解 支持向量机(Support Vector Machines, SVM) 的基本概念，书中会引入一些关键术语。SVM 有很多实现 阅读全文
摘要：
title: 4-Logistic回归 date: 2021-01-18 10:58:30 permalink: /pages/14a387/ 🎃 Logistic 回归 Logistic 回归 或者叫逻辑回归 ，虽然名字有回归，但是它是用来做分类的。 假设现在有一些数据点，我们用一条直线对这些点 阅读全文
摘要：
title: 附录B 更多关于IPython的内容（完） date: 2021-01-18 10:58:30 permalink: /pages/8eb5c2/ 第2章中，我们学习了IPython shell和Jupyter notebook的基础。本章中，我们会探索IPython更深层次的功能，可 阅读全文
摘要：
title: 附录A NumPy高级应用 date: 2021-01-18 10:58:30 permalink: /pages/9478bc/ 在这篇附录中，我会深入NumPy库的数组计算。这会包括ndarray更内部的细节，和更高级的数组操作和算法。 本章包括了一些杂乱的章节，不需要仔细研究。 阅读全文
摘要：
title: 14-数据分析案例 date: 2021-01-18 10:58:30 permalink: /pages/6209c1/ 本书正文的最后一章，我们来看一些真实世界的数据集。对于每个数据集，我们会用之前介绍的方法，从原始数据中提取有意义的内容。展示的方法适用于其它数据集，也包括你的。本 阅读全文
摘要：
title: 13-Python建模库介绍 date: 2021-01-18 10:58:30 permalink: /pages/21be18/ 本书中，我已经介绍了Python数据分析的编程基础。因为数据分析师和科学家总是在数据规整和准备上花费大量时间，这本书的重点在于掌握这些功能。 开发模型选 阅读全文
摘要：
title: 12-pandas高级应用 date: 2021-01-18 10:58:30 permalink: /pages/1ca1c9/ 前面的章节关注于不同类型的数据规整流程和NumPy、pandas与其它库的特点。随着时间的发展，pandas发展出了更多适合高级用户的功能。本章就要深入学 阅读全文
摘要：
title: 11-时间序列 date: 2021-01-18 10:58:30 permalink: /pages/b270be/ 时间序列（time series）数据是一种重要的结构化数据形式，应用于多个领域，包括金融学、经济学、生态学、神经科学、物理学等。在多个时间点观察或测量到的任何事物都 阅读全文
摘要：
title: 10-pandas数据聚合与分组运算 date: 2021-01-18 10:58:30 permalink: /pages/41fa4b/ 👑 第 10 章 数据聚合与分组运算 对数据集进行分组并对各组应用一个函数（无论是聚合还是转换），通常是数据分析工作中的重要环节。在将数据集加 阅读全文
摘要：
title: 9-matplotlib绘图和可视化 date: 2021-01-18 10:58:30 permalink: /pages/597a9b/ 📈 第 9 章 绘图和可视化 信息可视化（也叫绘图）是数据分析中最重要的工作之一。它可能是探索过程的一部分，例如，帮助我们找出异常值、必要的数 阅读全文